دانلود مقاله انگلیسی رایگان:یک روش یادگیری تقویتی عمیق چند عاملی مبتنی بر TD3 در محیط رقابتی و همکاری ترکیبی - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • A TD3-based multi-agent deep reinforcement learning method in mixed cooperation-competition environment A TD3-based multi-agent deep reinforcement learning method in mixed cooperation-competition environment
    A TD3-based multi-agent deep reinforcement learning method in mixed cooperation-competition environment

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    A TD3-based multi-agent deep reinforcement learning method in mixed cooperation-competition environment


    ترجمه فارسی عنوان مقاله:

    یک روش یادگیری تقویتی عمیق چند عاملی مبتنی بر TD3 در محیط رقابتی و همکاری ترکیبی


    منبع:

    Sciencedirect - Elsevier - Neurocomputing, 411 (2020) 206-215. doi:10.1016/j.neucom.2020.05.097


    نویسنده:

    Fengjiao Zhang b, Jie Li a, Zhi Li b,⇑


    چکیده انگلیسی:

    We explored the problem about function approximation error and complex mission adaptability in multiagent deep reinforcement learning. This paper proposes a new multi-agent deep reinforcement learning algorithm framework named multi-agent time delayed deep deterministic policy gradient. Our work reduces the overestimation error of neural network approximation and variance of estimation result using dual-centered critic, group target network smoothing and delayed policy updating. According to experiment results, it improves the ability to adapt complex missions eventually. Then, we discuss that there is an inevitable overestimation issue about existing multi-agent algorithms about approximating real action-value equations with neural network. We also explain the approximate error of equations in the multi-agent deep deterministic policy gradient algorithm mathematically and experimentally. Finally, the application of our algorithm in the mixed cooperative competition experimental environment further demonstrates the effectiveness and generalization of our algorithm, especially improving the group’s ability of adapting complex missions and completing more difficult missions.
    Keywords: Reinforcement learning | Overestimation error | Dual-critic | MADDPG | MATD3


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 1635 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi